Z.ai GLM-5.3: Siber Güvenlik ve Kodlama Testlerinde ABD'li Devleri Zorluyor, Ancak Ağırlıkların Yayınlanması Güvenlik Endişesiyle Erteleniyor

14 Ağustos 2026'da, Çinli yapay zeka şirketi Zhipu AI (uluslararası pazarda Z.ai olarak biliniyor) GLM-5.3 modelini tanıttı . Bu 740 milyar parametreye sahip açık ağırlıklı model, önceki sürüm GLM-5.2'ye göre kodlama performansında yaklaşık %50 iyileşme ve beklenmedik derecede güçlü siber güvenlik yetenekleri sunuyor . Modelin siber güvenlik açıklarını bulma ve kullanma konusundaki bu beklenmedik başarısı, Z.ai'yi model ağırlıklarının kamuya açık sürümünü ek güvenlik testleri için iki hafta ertelemeye itti .

ABD'li Rakiplere Karşı Siber Güvenlik Kıyaslama Sonuçları

GLM-5.3'ün en dikkat çekici başarısı, UC Berkeley'in Sorumlu Yapay Zeka Geliştirme Girişimi tarafından oluşturulan CyberGym kıyaslamasında geldi . Bu test, bir modelin beyaz kutu kaynak kodundan gerçek güvenlik açıklarını bulup doğrulayabilme yeteneğini ölçüyor. GLM-5.3 bu testte %84,5 puan alarak hem Anthropic'in Mythos 5 (%83,8) hem de OpenAI'ın GPT-5.6 Sol (%83,6) modellerini kıl payı geride bıraktı .

Ancak işler, bir güvenlik açığının gerçekten nasıl sömürülebileceğine dair daha derin mantıksal çıkarım gerektiren ExploitBench testinde değişiyor. GLM-5.3 burada selefine göre büyük bir sıçrama yaparak %24,4'ten %54,4'e yükseldi . Yine de Z.ai, Mythos 5'in bu testte %78 ve GPT-5.6 Sol'un ise %76,5 puan aldığını belirtiyor; bu da GLM-5.3'ün bu daha zorlu testte rakiplerinin oldukça gerisinde kaldığını gösteriyor .

ExploitGym testinde ise, normalleştirilmiş iki saatlik bir bütçe altında tamamlanan sömürü görevi sayısı GLM-5.3 için 105 olarak kaydedildi (GLM-5.2 için bu sayı 29'du) . Altı saatlik bütçede bu sayı 130'a yükseliyor .

Kıyaslama	Ölçülen Yetenek	GLM-5.3	Anthropic Mythos 5	OpenAI GPT-5.6 Sol
CyberGym	Kaynak kodundan beyaz kutu güvenlik açığı keşfi ve doğrulaması	%84,5	%83,8	%83,6
ExploitBench	Kök neden analizi ve çalışan bir sömürü aracı oluşturma	%54,4	%78	%76,5
ExploitGym (2 saat)	Normalleştirilmiş bütçe altında tamamlanan sömürü görevleri	105 görev	Açıklanmadı	Açıklanmadı

Kaynaklar:

Gerçek Dünyada Güvenlik Açığı Tespiti

Kıyaslamaların ötesinde, GLM-5.3 gerçek dünya güvenlik testlerinde de etkileyici sonuçlar elde etti:

• 269 açık kaynak projede toplam 2.436 doğrulanmış güvenlik açığı tespit edildi ve sonuçlar halka açık bir Z.ai Güvenlik Açığı Kaydı'nda yayınlandı .
• Bunlardan 1.097'si kritik veya yüksek önem derecesine sahip olarak sınıflandırıldı .
• Model, yaklaşık 40 yıl öncesine dayanan yazılımlarda bile güvenlik açıkları buldu .
• Lansmanından kısa bir süre sonra, yapay zeka destekli kod düzenleyici Cursor'da ciddi bir güvenlik açığı tespit etti .

Önemli Kodlama ve Genel Kıyaslama Sonuçları

GLM-5.3, kodlama ve aracı (agentic) kıyaslamalarda da güçlü rakamlar ortaya koyarak, yazılım mühendisliği görevleri için lider açık ağırlıklı model konumuna yükseldi:

• Terminal-Bench 3.0: 28,3 puan alarak açık ağırlıklı modeller arasında en yüksek skoru elde etti ve Anthropic'in Claude Fable 5 modeline yaklaştı .
• DeepSWE v1.1: 46,2'den 66,9'a sıçradı .
• Z.ai dahili Kod Kıyaslaması (Maksimum çaba): %34,5 (GLM-5.2'nin %23,4'üne kıyasla), görev başına yaklaşık 75.000 çıktı tokeni kullanarak (GLM-5.2 96.000 token kullanıyordu) .
• Agents' Last Exam: Açık ağırlıklı modeller arasında birinci sırayı aldı .
• World of AI Benchmark bileşik sıralaması: 81,3 puanla genel sıralamada #6 oldu, Kimi K3'ün (81,5) hemen arkasında ve GPT-5.6 Terra'nın önünde yer aldı .
• FrontierSWE: 67,5'ten 78,1'e yükseldi .
• SWE-Marathon: 19,4'ten 42,5'e iki katına çıktı .

Açık Ağırlıklar Neden Ertelendi?

Z.ai, modelin siber güvenlik yeteneğinin sonradan eğitim (post-training) sürecinde "beklenenden daha hızlı büyüdüğünü" belirtiyor . Temel modelin 740 milyar parametresi yeniden eğitilmedi; tüm kazanımlar sonradan eğitim iyileştirmelerinden geldi . Bu yetenek beklenmedik bir şekilde (emergent) ortaya çıktığı için şirket, güvenlik kontrollerini güçlendirmek amacıyla açık ağırlıkların yayınlanmasını iki hafta süreyle erteledi . Model halihazırda Z.ai API'si, ZCode, Claude Code ve OpenCode entegrasyonları aracılığıyla kullanılabiliyor .

Önemli Uyarılar

• Tüm GLM-5.3 kıyaslama puanları şirket tarafından raporlanmıştır ve henüz bağımsız olarak doğrulanmamıştır .
• CyberGym'deki Mythos 5 ve GPT-5.6 Sol'a karşı üstünlük oldukça dardır — yüzde bir puanın altında bir fark söz konusudur .
• ExploitBench testinde GLM-5.3, ABD'li rakiplerinin oldukça gerisindedir (%54,4'e karşı Mythos 5 için %78 ve GPT-5.6 Sol için %76,5) .
• Bağlam açısından, daha geniş bir siber güvenlik kıyaslama toplayıcısı , GPT-5.6 Sol'u CyberGym'de %84,5 (GLM-5.3 ile eşit) ve Mythos 5'i %83,8 olarak gösterirken; Sol için ExploitBench'te %73,5 ve Mythos 5 için %78 puanı vermektedir .